一峰的技术博客

把F216替换成要清洗的单元格就好。過去: ￥45,990。

前段时间根据需求配合ai写了个转置excel代码，挺好用的，而且可以选择excel，不局限于excel存在哪个地方，都可以转置，但是转置后的excel记得要先创建放在转置文件的目录下。全代码如下，可以用jupyter运行。转置后则可以变为这样！

在没有后台管理系统的时候，有时候为了方便起见，想提供一个输入框让运营人员直接输入，然后数据就会以数据库的形式存进数据库。输入信息后点击添加到表格，检查后方便批量保存到excel。

做数据分析的时候，我们经常会遇见实际表和数据库表之间的差别，运营为了方便会将第一列作为国家，第一行是时间，或者反过来，如果人手CV，会累得半死，所以可以借助python来进行转置。这个里进行改良，先选择文件，然后输出，而替代一开始的直接对某个excel操作。还针对不同的日期进行个性化处理。

有时候我们会想筛选同一个数据，在不同维度下的比较情况，但是表中却只有字段，这时就需要用到我们的参数设置了。例如的下图的排序方式，可切换程地区或者平台的情况。

一个按月份的累计同比图。

在Power bi中，找到视觉对象，找到条形模块，采取自定义颜色。这个图其实只需要一个功能，将颜色值设置定义即可。然后设置成这样就可以了。

预缓存是一种提前加载和存储数据到缓存中的策略，使得数据在未来的访问中可以更快速地响应。预缓存通常用于数据访问延迟较高的情况，或者在需要快速响应的应用中。预排序是指提前对数据进行排序，以便后续的查询或处理操作可以更高效地进行。通常在数据量大或查询频繁的场景下，预排序能够显著提高查询效率。这些性能优化的铁律和设计模式（如预缓存和预排序）是计算机科学中提高系统效率的基础。它们通过减少不必要的计算、提高数据访问速度、优化内存使用等方式，帮助我们在设计系统时做出合理的选择，提升性能。

Tableau 和 Power BI 在数据建模和处理上的哲学不同。Tableau 注重灵活性和快速分析，倾向于通过直观的方式处理数据连接和可视化，而 Power BI 强调结构化和规范化的数据建模，强调清晰区分事实表和维度表。选择哪种方式取决于工具的设计理念以及用户的使用场景：如果是为了快速分析和探索，Tableau 可能更合适；如果是为了构建长期可维护的报告和复杂的商业分析，Power BI 更侧重于明确的数据模型和标准化建模。

关掉列标题模块的自动大小按钮。

先看效果第一步，建立百分比堆积条形图，将已完成数值和差距拖到X轴，差距可以采用目标减去已完成算出第二步，在详细信息将内容格式调为总百分比第三步，外加一个圆角矩形图形，打开边框

第二步，设置样式，全都点点就行，看着自己喜好改，主要调的是这些模块。

第五步，调整其他小细节，例如去掉X、Y轴标题，字体大小，图例标题，基本上以及可以出来，核心步骤，大概是这些了。

完整进度条只要是用来做边框和重点，该条形的透明度可以调为100%透明。

在公式里填入"0"&SELECTEDVALUE ( ‘单位’[单位] )

【新建列】商品名称 = LookupValue(‘商品表’[商品名称],‘商品表’[商品编码],‘销售表’[商品编码])表 = Calculatetable(‘销售表’,‘商品表’[品名]= “A”, ‘商品表’[进价] = 0.1)多条件 = calculate([总销量].‘商品表’[品名] = “A”, ‘商品表’[进阶] = 0.1)多条件1 = Calculate([总销量].‘商品表’[品名] in {“A”,“B”,“C”})商品表中商品总数 = countRows(’商品表‘)

如有链接失效或者有补充的小伙伴可以再评论告诉我哟，后续会加上去的~

1.构建数据分析框架并不断更新2.输出的数据分析结论是不是容易理解和执行，支撑的依据够不够直观。3.明白数据分析的价值，可以让自己视野更加全面。

基于数据化的表、图、文说明事实表达观点。目的将业务细节转化成数据，借助数据来认知业务，数据表达就可以更好地说明现状，阐述事实，更多情况是论证观点。为什么要基于数据进行表达，三大原则1.客观2.直观3.高效客观直观永远是高效的前提。

一定不要被框架束缚！框架只是提供思路。

数据分析是在具体的业务场景下，如何借助工具，通过数据解决问题的思路。

一个复杂的业务进行拆分，将其分解成更小、更易于管理和实施的组成部分，将业务拆解成公式，业务就是Y，X就是其他小模块的业务，小模块也可以继续成为另一个公式Y，可以一直细分拆解下去直到最后一个X是一个可行的简单动作。数据分析的行业跟进则是在行业分析的基础上，持续监控和分析行业动态、数据变化以及市场反应，以更新和调整先前的分析结果，为企业的战略决策和业务运营提供持续支持。数据分析的监控看板是一个集中的、可视化的界面，它实时展示数据分析过程中产生的关键数据、趋势、指标和警报，以帮助用户快速了解业务状态和潜在问题。

一份分析报告的制作，目前的市场的分析步骤是优先找一些别人的研究报告，现成的东西，重点是要好好总结业务逻辑和潜在运营可能，这也是一位优秀数据分析师的价值体现

在这种情况下，我们可以考虑优化SQL查询或BI工具中的计算逻辑，以减少不必要的计算。数据导出：用户可以将BI工具中的数据导出为WebGL可视化库支持的格式（如JSON、CSV等），然后在WebGL可视化库中使用这些数据。5.查看看板中的可视化图表和组件是否时轻量级的，不要使用过多的复杂图表或动画效果，以至于减少页面加载和渲染时间。4、可以对于频繁访问的数据，可以将其缓存到内存中，以减少每次请求数据库的开销。对于实时更新的数据，可以使用基于WebGL的可视化库来实现高性能的渲染。

背景：优秀的数据分析师怎么去快速读一本书。

select,from,where, order by, limit, group by, having, substr(), max(), concat(), 窗口函数，表连接，子查询等，基本上要使用的时候找个例子进行学习更改即可，加上现在的AI工具结合使用，咨询业务场景也会比以往容易，不需要死记硬背。1.控制面板>>>系统和安全>>>管理工具>>>ODBC数据源64位（如果Excel是32位，则配置ODBC数据源32位）4.点击高级选项，输入SQL代码来指定读取的数据（WPS大同小异，点着看就明白了）

图表选择：经营情况总览–文字；每日营收数据–多轴折线图；每日流量数据–双轴组合图；大小一般选通用桌面，可以加高度把仪表盘的可以纵向滑动，设置完后就可以将做好的图表拖到仪表盘上布局的了。6.配色：工作表的颜色，仪表盘的底色，配色方案：logo颜色/纯深色/纯暖色。变化：没有累计关系–折线图或者柱状图；3.简化：去掉一些表格的多余的线，优化地图的图层和冲蚀层度等。关键数据：营收数据，流量数据。分布：单变量分布–直方图；横向布局：一到两个主图，其他补充信息，一块板就能看完。构成：对象少于3个–环形图；

4.找到插入->数据透视表，不选择默认点击确认创建，随意点击数据透视表的单元格，找到分析的导航栏，找到“字段列表，+/- 按钮，字段标题的模块”，将需要的字段分别拖到行或者列，慢慢调整所需即可。subtotal：第一个参数为函数选项，可以选sum，第二个参数是数值范围，subtotal会根据原数值范围的筛选同步发生变化。第一个参数是条件判断，第二个参数是TRUE情况，第三个参数是FALSE情况。第四个参数：模糊查找还是精确查找，一般是精确查找，输入0。第三个参数：如何匹配，一般用0，表示精确匹配。

1.完全0基础，连Excel图表制作都不熟练的小伙伴，学Tableau，Tableau出图原理遵守可视化，学习Tableau就是在学可视化，并且容易理解。看数据源，如果是CSV格式就用文本链接，如果是excel就用回excel，如果是mysql就需要装mysql驱动。6.面积和体积，面积和体积越大表示度量越大，二维平面通常用于圆形和矩形，三维空间一般用立方体或球体。1.PBI内置功能最全的，但生态内的拓展资源较少，不支持MAC。5.形状，又称标记，散点图和折线图中点的形状。